细胞疗法 IND 常常忽略根据过程中测试结果优化生产运行的自由度，以换取临床速度。这篇文章的目的是传达在固定工艺过程中使用过程中分析测试的重要性，即使是在临床生产的最早阶段，因为该测试可以直接影响患者治疗的结果。

过程分析技术 (PAT) 的概念并不是一个新概念：通过一系列预测生产失败和成功的过程分析测试来确定趋势。此类测试的主要示例是监测原核和真核发酵中的 pH 值、葡萄糖、乳酸和溶氧。使分析仪器小型化和促进入线测试的技术进步，加上简化的测试方法，将过程中测试的范围和实用性扩展到新的和可能提供更多信息的分析物。当实时识别任何给定分析物水平的异常时，可以调整过程，以防止偏差和不合规格的批次，从而降低成本并提高产品功效和安全性。然而，需要平衡和一定的原则，来对抗收集尽可能多的数据的愿望，这是大多数科学家的共同特征。生成可操作的数据是任何 PAT 理念的基石，因此需要一个具有明确定义和验证的关键质量属性 (CQA) 的已建立、易于理解的流程，以实现即时过程更改。但是等等，本文是从1期站点的角度来看的。

1期 cGMP 涉及很多内容，但通常不在其中，尤其是在细胞疗法中，已被充分理解、明确定义和验证。假设 IND 中包含来自三次全面运行的数据，这可能意味着可能执行了四次全面运行。这并不是因为细胞治疗团队不喜欢数据，而是因为细胞治疗过程昂贵且资源密集（时间和人员）。如果使用病毒转导将治疗基因引入细胞，这些问题会更加复杂。一次生产活动中使用的病毒载体的成本可能高达 5,000 美元。交付周期为 1-2 年，总投资达 2百万美元，难怪如此关键的试剂被保留用于治疗患者而不是用于开发。更复杂的是，大多数细胞疗法都是为自体使用而设计的。细胞疗法是个性化医学的缩影。患者捐赠了用于生产自己药物的关键原材料（CAR T 细胞产品中的外周血单核细胞）。遗传多样性与每个患者的疾病和治疗过程相结合，增加了原材料的可变性。一次生产运行实现一名患者施用一剂。尽管该领域正在积极研究同种异体疗法，一次运行可生产数百甚至数千剂，但该科学尚未取得成果，这意味着每种细胞疗法产品仍需要独特的生产工艺。看到足够多的产品后，共性就会显现出来，但每种产品都会呈现出自己独特的挑战和机遇。说细胞疗法几乎没有规模化经济，这里还有一条很长的道路需要走。

现在让我们考虑时间因素以及细胞疗法产品可能给 QC 和 QA 团队带来的挑战。冷冻保存产品带有时间错觉，通常有 10-14 天的放行窗口。另一方面，在生产活动结束后数小时内新鲜输注的产品需要实时测试和文件审查，以保持活性药物的活力和功能。这两种情况都与小分子和传统生物药形成鲜明对比，一般而言，小分子和传统生物药可以在方便时进行存档和测试。更复杂的是，伴随早期生产的未知数意味着用于放行测试的样品可以在 3-4 小时的窗口内随时从 cGMP 车间中取出，具体取决于生产运行期间出现的新的和令人兴奋的工艺挑战。需要立即测试的延迟样品可能会进一步给质量团队带来压力，并导致计划外的轮班工作，随着操作员从临时的深夜测试中恢复过来，迫使第二天的日程表延迟，从而产生负面的连锁反应。从占用质量单位的持续改进活动开始，每月对产品放行进行五次 cGMP 运行，然后在一两次计划外轮班中折腾，很容易看出时间过得有多快。

收集有关关键质量属性 (CQA) 的数据对于细胞疗法来说既不是新鲜事物也不是独有的，但在生产商不熟悉该过程并且申请者几乎没有数据支持产品功效的情况下，这在1期具有挑战性。为此，建议考虑最好的 PAT 读数，不仅可以证明生产成功，还可以用于预测临床成功。PAT 和临床成功之间的相关性在治疗性产品商业化时更容易得出，但不能在生产和临床评估的最早阶段进行。然而，与大多数实验性疗法不同的是，1 期细胞治疗试验通常在患病人群中进行，这使得生产数据与临床结果之间的相关性从最早的临床阶段就成为可能。一些生产数据对生产团队来说似乎很重要，但对功效的总体影响很小。在这种情况下，这些数据是否应该被视为 CQA？也许。我们可以很容易地监测在任意数量的生产运行中表达嵌合抗原受体的 CD4+ 和 CD8+ T 细胞的比率，但这对整体生产成功意味着什么，更重要的是，这对患者结果意味着什么？在学术机构，研究性疗法不仅可以在临床试验中帮助患者，还可以在整个研究过程中生成数据，为下一代药物提供信息，并在未来获得回报。这种前瞻性思维与收集尽可能多的数据的愿望相结合。生产数据，尤其是与患者结果相关时，是强大的假设生成器，可以促成许多资助申请和进一步的药物开发工作。那么问题就变成了哪些小组测试和分析过程中的样品。研究机构有许多技术娴熟的科学家团队能够做到这一点，但仅使用数据进行研究可能会分散注意力。工艺开发团队并不总是具备在 GMP 环境中运作所需的合规心态。生产团队最擅长生产。QC 应该专注于放行检测。共同点：各方都想知道答案；各方都希望提供帮助；各方都想帮助病人。这就是答案。数据收集、跟踪和解释应该是团队的共同努力。

另一个复杂性是单次细胞治疗运行产生的庞大数据量。以流式细胞术为例。询问 10 种不同细胞蛋白质的典型数据图会生成 100 多个不同的数据图，每个图讲述故事的不同部分，所有这些都需要第二位科学家和 QA 审查。当在线执行测试时，如此多的数据很容易使质量团队甚至生产团队负担过重。仅仅生成数据，虽然是必需的第一步，但不能在没有组织的情况下采取行动。虽然这可能很繁重，但构建和维护数据跟踪器和控制图所需的时间比为每个趋势或调查进行数据挖掘要少得多。但是，并非所有数据都是可操作的。在不知道哪些数据重要的情况下面对大量数据，再加上对改进工艺和患者结果的强烈渴望，可能会导致另一个常见的陷阱，即数据过度解读。挑战的一部分是用我们自己先入为主的观念来填补知识空白，这些观念总是受到切线经验和我们自己的常识版本的偏见。在模型不为人知的情况下，在 1 期临床试验的情况下尤其如此。我想，这是将 1 期仅作为数据收集活动来处理的一个论点，但这会把钱留在桌面上。需要确定哪些数据与预期结果相关，并按表面价值解释这些数据，以便在生产继续时集中数据收集和过程监控工作。

我们收集了大量关于 1 期细胞治疗产品的数据，主要使用多参数流式细胞术，重点关注从文献中提取的疗效指示标记。不幸的是，这些数据与生产成功没有太大关系。许多常用的 PAT 分析物，如葡萄糖和乳酸，我们无法使用，因为我们的过程是作为补料分批而不是灌流系统进行的。对于细胞疗法开发人员而言，临床速度通常是驱动因素，几乎没有时间用于工艺开发。为了支持这一点，市场上有几种业内众所周知的补料分批系统。因此，生物反应器供应商优化的模式工艺被纳入 IND，没有留下中间工艺调整的余地。然而，这并不意味着人们应该选择退出数据收集。毕竟，口头禅仍然成立：你只能改变你可以测量的东西。我们试图专注于支持关键放行标准和临床结果的有影响力的数据。一个属性对于跟踪非常重要：细胞活力。

细胞疗法是“活的药物”。当需要活细胞来赋予治疗益处时，细胞活力与生产成功之间的联系是显而易见的。因此，对于我们生产的许多产品，在为期 10 天的活动中，至少有四个不同的单元操作会围绕细胞活力做出可行/不可行的决定。在线和 QC 实验室均可轻松执行该测试。这些决策点之一就在转导之前，这是将细胞暴露于载有治疗基因的病毒载体的行为。在新产品的早期运行中，我们注意到活力远低于预期值。请注意，并非超出趋势，因为仅通过 4-5 次运行的经验无法确定有意义的趋势，但足以说明该值与预期不符。在知道转导会进一步降低活力后，咨询了所有相关利益相关者（分析开发、生产、质量、监管和临床），并决定在转导之前终止运行。之后，临床团队不得不给患者打了一个艰难的电话。在那次通话中，发现患者在捐献启动生产过程所需的血液之前已经完成了一系列放射治疗。在患者有足够的时间从辐射中恢复后，生产重新开始，这导致生产运行成功、输液成功，并且迄今为止，患者是健康的。这个例子中有几个值得强调的胜利结果。首先，该系统有效。对适当的 CQA 进行了监控，并确定了可能不合格的批次。在关键试剂（载体）在肯定会超出规范的运行中被消耗之前，这一发现得到了提升。最重要的是，这种情况下的好处以最有意义的方式非常明显地呈现。不仅患者得到了治疗，而且患者接受治疗的时间比最初的运动已经完成的情况提前了大约两周。因为那瓶载体没有用于异常情况运行，所以有足够的材料来治疗另外一名患者。单个过程中的细胞计数可能会延长两条生命。这就是过程中测试如此重要的原因。